توجه چیست؟

توجه، فرایند تمرکز انتخابی منابع شناختی بر روی اطلاعات مرتبط و در عین حال فیلتر کردن عوامل حواس‌پرتی است.

توجه به جای ثابت ماندن، به طور طبیعی در طول روز و حتی در حین انجام کارهای فردی نوسان دارد. محققان اغلب بین چندین شکل از توجه تمایز قائل می‌شوند، از جمله:

• توجه مداوم

• توجه انتخابی

• توجه تقسیم‌شده

• توجه اجرایی

هر یک از این موارد بسته به نیازهای شناختی فعالیت، نقش متفاوتی را ایفا می‌کنند.

چرا اندازه‌گیری توجه چالش‌برانگیز است

توجه را نمی‌توان همیشه تنها از روی نتایج استنباط کرد. به عنوان مثال:

• یک شرکت‌کننده ممکن است با وجود دوره‌هایی از کاهش توجه، یک کار را با دقت انجام دهد.

• دو شرکت‌کننده ممکن است با وجود تخصیص متفاوت توجه، نتایج مشابهی تولید کنند.

• تلاش ذهنی ممکن است قبل از شروع کاهش عملکرد، افزایش یابد.

ارزیابی‌های رفتاری معیارهای ارزشمندی از نتایج ارائه می‌دهند، اما همیشه نمی‌توانند این پویایی‌های شناختی زمینه‌ای را آشکار سازند.

چگونه EEG ارزیابی‌های رفتاری را تکمیل می‌کند

محققان مکرراً داده‌های رفتاری را با EEG ترکیب می‌کنند تا به جای ارزیابی صرف نتیجه نهایی، توجه را در طول انجام یک کار بررسی کنند.

اندازه‌گیری‌های مداوم EEG به پژوهشگران اجازه می‌دهد تا روابط بین موارد زیر را بررسی کنند:

• توجه مداوم

• بار شناختی

• تلاش ذهنی

• حافظه فعال

• عملکرد وظیفه

EEG به جای جایگزینی ارزیابی‌های رفتاری، با ارائه بافت فیزیولوژیکی اضافی، آن‌ها را تکمیل می‌کند.

آنچه تحقیقات اخیر نشان می‌دهد

تحقیقات حوزه آموزش به طور فزاینده‌ای بر مطالعه توجه در محیط‌های یادگیری واقعی به جای محدود کردن تحقیقات به محیط‌های آزمایشگاهی کنترل‌شده تأکید می‌کنند [1]. سیستم‌های بی‌سیم EEG فرصت‌ها را برای بررسی توجه در طول فعالیت‌های کلاسی، یادگیری مشارکتی و سایر تجربیات آموزشی طبیعی گسترش داده‌اند [1]، [2].

مطالعات با استفاده از فناوری Emotiv EEG همچنین چگونگی تعامل توجه با بار شناختی، وضعیت عاطفی و حافظه کوتاه‌مدت را در طول وظایف یادگیری بررسی کرده‌اند [3]، [4].

در مجموع، این یافته‌ها نشان می‌دهند که توجه یک ویژگی ثابت نیست، بلکه یک فرایند شناختی پویا است که به طور مداوم در طول یادگیری تغییر می‌کند.

انتخاب یک سیستم EEG برای پژوهش‌های توجه

محققانی که در زمینه توجه تحقیق می‌کنند، به سیستم‌های EEG نیاز دارند که با طراحی آزمایشگاهی آن‌ها مطابقت داشته باشد.

Flex Gel و Flex Saline

Flex از چیدمان الکترود قابل تنظیم با حداکثر 32 کانال EEG پشتیبانی می‌کند و آن را برای تحقیقات پیشرفته توجه و مطالعات علوم اعصاب شناختی که نیاز به پیکربندی‌های حسگر سفارشی دارند، بسیار مناسب می‌سازد.

Epoc X

Epoc X یک هدست EEG بی‌سیم 14 کاناله است که برای تحقیقات شناختی، آزمایش‌های سیار و مطالعات توجه که نیاز به جمع‌آوری داده‌ها با گرید تحقیقاتی همراه با راه‌اندازی سریع دارند، طراحی شده است.

Insight

Insight یک هدست EEG بی‌سیم پنج کاناله سبک‌وزن است که برای استقرار سریع در تحقیقات آموزشی و مطالعات عوامل انسانی در شرایطی که قابلیت حمل و سهولت استفاده در اولویت هستند، طراحی شده است.

نگاه به آینده

از آنجا که محققان همچنان به بررسی چگونگی تأثیر توجه بر یادگیری و عملکرد ادامه می‌دهند، ترکیب ارزیابی‌های رفتاری با اندازه‌گیری‌های فیزیولوژیکی مداوم، فرصت‌های جدیدی را برای مطالعه شناخت در حین شکل‌گیری آن فراهم می‌کند.

پژوهشگران به جای اینکه فقط بپرسند آیا شرکت‌کنندگان یک کار را با موفقیت انجام داده‌اند یا خیر، می‌توانند درک بهتری از نحوه نوسان توجه در طول تجربه به دست آورند.

نکات کلیدی

• توجه یک فرایند شناختی پویا است که در طول یادگیری و سایر کارهای پیچیده تغییر می‌کند.

• ارزیابی‌های رفتاری نتایج را اندازه‌گیری می‌کنند، در حالی که EEG داده‌های فیزیولوژیکی مداوم را در طول تجربه ارائه می‌دهد.

• ترکیب اندازه‌گیری‌های رفتاری و فیزیولوژیکی، بینش بیشتری در مورد توجه، بار شناختی و تلاش ذهنی فراهم می‌کند.

• EEG بی‌سیم فرصت‌ها را برای بررسی توجه در کلاس‌های درس و سایر محیط‌های یادگیری واقعی گسترش داده است.

• انتخاب یک سیستم EEG با سوال پژوهش و طراحی آزمایش آغاز می‌شود.

چارچوب خود را به صورت عملی اجرا کنید

شما بررسی کرده‌اید که چگونه محققان ارزیابی‌های رفتاری را با اندازه‌گیری‌های فیزیولوژیکی مداوم ترکیب می‌کنند تا توجه را در طول کارهای شناختی بررسی کنند. سیستم‌های Emotiv EEG را با هم مقایسه کنید تا پیکربندی‌های کانال، قابلیت جابجایی و توانایی‌های تحقیقاتی را که بهترین پشتیبانی را از اهداف پژوهشی عملکرد توجه شما دارند، شناسایی کنید.

مقایسه سیستم‌های EEG

مطالعه پیشنهادی

• آنچه تحقیقات بار شناختی می‌تواند درباره یادگیری به ما بیاموزد

• چگونه از EEG برای ایجاد محیط‌های یادگیری بهینه استفاده می‌شود

• راهکارهای پژوهش آکادمیک و آموزش

• معیارهای عملکرد توضیح داده شده‌اند

منابع

[1] A. García-Monge, H. Rodríguez-Navarro, D. Bores-García, and G. González-Calvo, "Electroencephalography in Naturalistic and Semi-Naturalistic Educational Contexts: A Systematic Review," Review of Education, vol. 12, no. 3, 2024.

[2] Advantages of EEG Monitoring in Education. Eszterházy Károly Catholic University, 2023.

[3] F. Ungureanu, C. Cimpanu, and T. Dumitriu, "The Impact of Learning Through Cognitive Load Assessment and Emotional State Evaluation," eLearning and Software for Education, vol. 2, pp. 261-268, 2020.

[4] F. Ungureanu, T. Dumitriu, V. I. Manta, and C. Cimpanu, "Cognitive Load and Short Term Memory Evaluation Based on EEG Techniques," eLearning and Software for Education, vol. 2, pp. 217-224, 2017.